8.8B 模型 MATH-500 拿 98.2，知识题却没跟上

webAI 发布了 TwIL-8B，一个 8.8B 参数的推理模型，从 IBM Granite 4.2 8B 后训练而来。MarkTechPost 的 Asif Razzaq 给出的两个主分数很扎眼：MATH-500 98.2，LiveCodeBench 81.6。前者衡量数学推理，后者偏代码生成和编程题。对一个不到 10B 的模型来说，这组成绩足够让做端侧、私有化部署和低成本推理的人停一下。

另一面也写得很清楚：它在知识类基准上落后于同尺寸模型。这个组合比单一高分更有信息量。数学和代码可以靠后训练、数据配比和推理链把分数推上去，知识覆盖面没那么容易补。模型可能很会解题，但未必知道很多事。落到选型上，TwIL-8B 更像一个偏推理和代码任务的小模型，适合拿来做数学解题、代码辅助、结构化推理，或者当低成本链路里的专用节点。知识问答、开放域事实查询这类任务，还是要看知识基准、检索增强和实际业务评测。

只看 98.2 就把它当成全能小模型，容易翻车。benchmark 已经分化得很明显，同尺寸模型之间的差距也常常不在一个维度上。原文没有展开训练数据、许可和部署细节，这些恰好是开发者下一步要问的。报道来源：Asif Razzaq，MarkTechPost，2026 年 11 月 4 日。原文链接：MarkTechPost。